Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 대학원
- 머신러닝
- 커리어전환
- 사이킷런
- 경력 기술서
- 이력서 첨삭
- 하이퍼 파라미터
- 퀀트
- 데이터분석
- 퀀트 투자 책
- sklearn
- 데이터 사이언티스트
- 주가데이터
- 코딩테스트
- 판다스
- 데이터사이언티스트
- 파라미터 튜닝
- AutoML
- 데이터 사이언스
- 주요 파라미터
- 데이터사이언스
- 하이퍼 파라미터 튜닝
- 자기소개서
- 베이지안 최적화
- 파이썬
- 경력기술서 첨삭
- pandas
- 데이터사이언스학과
- 주식데이터
- 랜덤포레스트
Archives
- Today
- Total
목록파라미터 최적화 (1)
GIL's LAB
[생각해볼 거리] 파라미터 최적화 문제와 그럴싸한 함수
회사 일과 집필로 바빠서 오랜만에 포스팅입니다. 오늘 포스팅에서는 현업에서 굉장히 자주 맞닥뜨리는 문제인데 교과서에서는 다룰 수 없는 문제에 대해 이야기해보겠습니다. 파라미터 최적화 문제 먼저, 파라미터 최적화 문제는 어떤 성능을 최대화할 수 있는 파라미터를 설정하는 문제입니다. 위 그림에서 x축이 파라미터이고 y축이 성능을 나타냅니다. 즉, 우리의 목표는 성능을 최대화하는 x*를 찾는 것입니다. 이 문제는 다음과 같은 간단한 수리 모형으로 표현할 수 있습니다. 제약이 없어서 함수 f가 어지간히 복잡하지 않는한 해를 구하기 어려운 문제가 아닙니다. 이러한 문제는 머신러닝의 하이퍼 파라미터 튜닝뿐만 아니라, 다양한 분야에서 발생합니다. 예를 들어, 제조 분야에서는 “수율을 최대화 혹은 불량을 최소화하는 생..
데이터사이언스/머신러닝
2021. 11. 11. 22:26